組織学習パターン

概要と対象範囲

本章は CMO Marketing OS Playbook の存在理由を理論化する 章である。施策単位の PDCA ではなく組織学習として駆動する（../foundations/principles.md Principle 1）という CMO Marketing OS Playbook の中心命題は、「なぜ組織は放置すると学習しなくなるのか」を構造的に説明できなければ宙に浮く。本章はその構造を 6 つの要因に分解し、マーケティングサイクルがそれぞれに対応する仕組みを明示する。

既存の組織学習論（Argyris / Senge / Edmondson）はマーケティングを射程に含むが、マーケティング特有の attribution の困難・時間差・外部依存をフレーム化していない。本章はそれを補う位置に置かれる。

学習しない組織の 6 つの構造要因

組織が放置されると学習しなくなる理由は、個人の能力や姿勢ではなく構造にある。以下の 6 要因のうち、いずれか 1 つでも成立すると学習サイクルは閉じる。

前提共有の不在

「マーケティング」「成果」「顧客」「施策」がチーム内で別の意味を指している状態。各メンバーが「自分は事業のどの課題に効いているか」を自分の言葉で答えられない状態。

この状態では、振り返りや学習を試みても全員が違うものを指しているため、知見が積み上がらない。観測・データ収集段の Team Sync は、まずこの前提のズレを可視化することを目的とする（../foundations/cycle.md §2.2.2）。

失敗を情報取得コストとして設計していない

組織が「失敗できる小さな空間」を持っていない状態。具体的には次の 4 項目が未設計である:

予算が情報取得目的で確保されていない（全予算が成果目的）
評価が結果ベースのみ（仮説の質・撤退判断の速さが評価対象に入っていない）
撤退条件（kill criteria）が事前に書かれていない（成功条件は書いても失敗条件は曖昧）
学習ログが残らない

これらが揃わない限り「失敗できない」のではなく、失敗を組織知に変換する仕組みが構造的に欠落している（../foundations/principles.md 補題 D）。

特に成果が非線形に顕在化するマーケ施策では、「間違った施策に時間を費やすと累積した時間が全て無駄になる」という構造（../foundations/principles.md 補題 I）が、失敗設計の重要性をさらに高める。中間指標と段階的な kill criteria を事前に置かない限り、「とりあえずやっただけ」が累積する。

停止記憶の欠落（再構築不在症候群）

走り出した施策・採用した KPI・継承した聖域を意識的に止めた記録が残らない構造。新しい施策は記録されるが、止めた施策・棄却した KPI・破棄した前提は記録されない。

この非対称性が、次の 3 つの病理を生む:

リソースの即時充填: 止めた施策の余白が、考えなしに新規施策で埋め直される
新規余白の枯渇: 棄却した前提が言語化されないため、前提を組み替える余白が広がらない
学習の偏り: 「やったこと」のログだけが残り、「やらなかった理由」が消える

再構築段は、この非対称性を構造的に解消するために独立段として置かれる（../foundations/cycle.md §2.4）。

責任の外部化

判断責任が組織内で完結しない状態。古典的には外部業者への丸投げが該当するが、AI 時代には新しい形が加わる:

「AI が言っているから、この施策を打ちました」

このフレーズが日常化したとき、判断はチームの誰の手にも残らない。意思決定権・仮説・検証条件・結果の扱いの 4 点が同一主体に紐付かない限り、責任は機能しない（../foundations/principles.md 補題 B）。

外部業者は実行責任・専門責任・説明責任の一部を引き受け可能だが、事業責任・顧客価値責任・ポジショニング責任・最終資源配分責任は内部に残る（同補題 F）。境界の明文化なしに責任を外部化すると、incentive のズレが必ず顕在化する。

知識の平準化と経験の希少化

LLM 普及により、知識（What is X / How to X）の取得コストはほぼゼロになった。一方、知識を文脈に当てはめて判断する経験は希少性を増している。

この非対称が起きると、組織は次のいずれかに退避する:

「知っている」で止まる: 概念は語れるが、自社文脈での適用判断ができない
AI 提案の表面的採用: 平均的に正しい AI 提案を、自社固有の制約を踏まえずに採用する

学習する組織は、知識の供給ではなく判断経験の累積に投資の重心を移す必要がある。

属人化と新陳代謝のジレンマ

担当者の頭の中にだけ知見が残る状態。担当者が抜けると組織知ごと消える。一方、新陳代謝（人材の入れ替わり）を促すと、属人的に蓄積された知見が失われる。

このジレンマは、知見を担当者から分離して保管できる場所（記憶層）の有無で解ける。Marketing OS の memory/workspaces/<slug>/profile/ や results/ は、属人化からの分離を構造的に成立させるための装置である。

マーケティングサイクルが学習を起こす構造

§18.2 の 6 要因に対し、マーケティングサイクルは次のように対応する。

要因	主に対応する段	仕組み
前提共有の不在	観測・データ収集 / Team Sync	各メンバーが独立記述した認識を合成し、不一致を再構築入力にする
失敗の前提化欠如	本番反映前チェック / 学ぶ	オーナー / 計測 / ロールバックと Evidence Level により、失敗が組織知に変換される
停止記憶の欠落	再構築	既成 KPI・聖域・前提を機械的に列挙し、止めた理由を記録する
責任の外部化	学ぶの AI 採否ログ	採用 / 不採用 / 理由を記録し、責任主体を維持する
知識の平準化	理解・分析する	4 視点で判断材料を出し、AI 提案を自社文脈に当てはめる判断経験を累積する
属人化のジレンマ	観測・データ収集 / 学ぶの書き戻し	profile / results 層に検証済み知見を分離保管し、担当者から独立させる

5 段すべてが揃って初めて 6 要因のすべてに対応できる。1 段でも欠ければ、対応していない要因の経路から学習が漏れる。

既存学習組織論との関係

CMO Marketing OS Playbook は既存の組織学習論を否定するのではなく、マーケティング領域への適用上の補強として位置づける。

Argyris の Single / Double / Deutero Learning

Argyris の枠組みは次の 3 層を区別する:

Single-loop learning: 既存ルールの範囲内で行動を修正する（戦術最適化）
Double-loop learning: 既存ルール（前提・KPI・ICP）自体を問い直す（戦略最適化）
Deutero learning: 「学習の学習」を組織能力として制度化する

CMO Marketing OS Playbook の 再構築段は Argyris の Double-loop learning を独立段として制度化したものである。Adaptive Marketing / Real-time Marketing 系統は Single-loop に偏り、再構築を独立段として持たない。

Senge の Learning Organization 5 ディシプリン

Senge は次の 5 つを学習組織の構成要素とする: System Thinking / Personal Mastery / Mental Models / Shared Vision / Team Learning。

CMO Marketing OS Playbook は Mental Models（前提の組み替え）と Team Learning（チーム同期）に対する具体的な実装を提供する（再構築段と観測・データ収集 / Team Sync）。System Thinking と Shared Vision は 14 章（組織・能力）と 05 章（統合・戦略）の射程に含まれる。

Edmondson の Psychological Safety

Edmondson は「失敗を提起しても罰されない心理的安全性」を学習組織の前提条件とする。CMO Marketing OS Playbook の 本番反映前チェックの省略不可項目（オーナー / 計測 / ロールバック）と 学ぶ段の Evidence Level は、心理的安全性を 構造装置として強制する役割を持つ:

オーナーが明示されることで、責任の所在が「全員」に拡散しない
撤退条件（ロールバック）が事前に書かれることで、撤退が「敗北」ではなく「設計通りの判断」になる
Evidence Level により、未検証の仮説（E0 / E1）を profile に書く誘惑が構造的に抑制される

心理的安全性は文化ではなくプロセス設計の帰結である、というのが CMO Marketing OS Playbook の立場である。

マーケティング特有の補強観点

既存学習組織論が必ずしも明示しない、マーケティング固有の論点を CMO Marketing OS Playbook は加える:

Attribution 密度と時間差: マーケの成果は因果分解が困難で時間差が大きい（補題 C）。Evidence Level による検証度の分類は、この困難を運用化する装置
Customer Sync の独立化: 顧客実態を内部仮説と独立に保つ構造（Principle 4）
AI 採否ログ: AI / agent への判断委譲が責任の所在を曖昧にする傾向への対抗（Principle 6）

学習速度（Learning Velocity）の操作的定義

組織学習が「起きているかどうか」を測定するための観点。3 章パフォーマンスドメイン §3.2.4 で定義したものを、ここで操作可能な指標に落とす。

4 指標

指標	操作的定義	測定頻度
サイクル所要日数	観測・データ収集の起点から学ぶ終端までの実日数の中央値	月次
E3 昇格件数	学ぶ段で E3（検証済み知見）として profile に書き戻された件数	月次
再構築件数	再構築段で再構築が決定された前提（KPI / 聖域 / 既成施策）の件数	月次
AI 採否ログ記録率	採否ログが必須項目で残された比率	サイクルごと

これら 4 指標は単独では学習を測れない。4 指標のセットで観測することで初めて学習が起きているかどうかが見える。

操作可能性とトレードオフ

Learning Velocity を KPI 化すると、形式的に数値を上げる運用に陥るリスクがある:

サイクル所要日数を縮めるために再構築を儀式化する
E3 昇格件数を増やすために検証度の判定を緩める
AI 採否ログ記録率を 100% にするために形式的な記録だけ残す

これを避けるためには、Learning Velocity を他のパフォーマンスドメインとセットで観測すること（../foundations/performance-domains.md §3.3）と、Learning Velocity 自体を意思決定 KPI にしないこと（補題 E）が必要である。観測指標と意思決定 KPI を分離する。

アンチパターン

学習組織を志向する組織がしばしば陥る典型例:

学習目標の自己目的化: 「学習する組織を作る」が単独目標になり、何を学習するかが空洞化する
儀式化された振り返り: 定例の振り返り会が実施されるが、書き戻しが起きず profile が更新されない
失敗の隠蔽インセンティブ: 評価制度が結果ベースのみで、撤退が減点になる構造
AI 採否ログの形式化: 「採用」「不採用」のチェックだけが残り、理由が空欄
ベンチマーク偏重: 他社事例を集めるが、自社文脈への適用判断が起きない
学習速度の KPI 化: Learning Velocity 自体を成果 KPI に置き、数値ゲーミングを誘発する
「学習する組織」の宣言: ビジョンとして掲げるが、構造設計（本番反映前チェック / Evidence Level 等）に落ちていない
属人化を「個人の強み」と誤認: 担当者の頭の中の知見を組織知に分離するインセンティブが働かない

今後の拡張論点

6 要因の網羅性 — 6 要因で「学習しない組織」の構造を尽くせるか。情報非対称性・組織政治・短期業績圧力などの追加要因を立てるべきか
既存学習組織論との接続深度 — Argyris / Senge / Edmondson は概要のみ触れたが、各論への接続をどこまで深く書くか。文献参照（../appendices/references.md）に逃がす範囲
Learning Velocity の 4 指標 — 操作的定義として 4 指標で十分か。組織学習の "質" を測る指標（例: 「同じ失敗の再発率」）を追加すべきか
22 章成熟度モデルとの境界 — 18 章は「学習が起きる構造」、22 章は「成熟度判定」。重複を避けつつ、両章の役割分担を明示する必要
17 章 AI のマーケティング活用との分担 — AI 採否ログの実装詳細は 17 章。本章では Principle 6 の理論的位置づけのみ扱う、で合っているか